一场资本棋局：当月之暗面与MiniMax的投钱人站在同一边

在AI圈子里月之暗面和MiniMax就像一对不打不相识的对手。一个靠巨大模型Kimi杀出沉围， 另一个以对话产品细小冰圈粉无数，两者常年被放在一起比比看，连投钱人名单都像约优良似的——红杉、源码、高大榕、明势，这些个顶级机构在它们身上押注了数十亿。但最近这盘棋下得有点不一样：当巨大家还在猜谁会先跑出百亿估值时 这两家巨大模型公司的投钱人，却罕见地站在了同一家AI图像生成公司的融资桌上。这场看似意外的联姻，藏着资本对AI赛道的最新鲜算计。

从“对手盘”到“盟友”：投钱人为何一下子握手

2024年初的某个下午， 北京国贸的一间会议室里源码资本的合伙人李露霖和高大榕创投的马晓宇碰了杯。桌上摆的不是融资条款， 而是LiblibAI的用户增加远曲线——这玩意儿成立不到一年的AI图像平台，已经攒下1000万创作者，产出了2.3亿张AI图片。更让投钱人意外的是LiblibAI的投钱方名单里既有源码和高大榕，也有明势资本。这在AI圈差不离是个特例：两巨大头部巨大模型的投钱人，困难得一边出手同一家应用公司。

月之暗面和MiniMax的投资人，联手完成了AI图像赛道的最大笔投资

“以前巨大家觉得巨大模型是独一个出路，眼下一下子找到，垂直赛道的爆发力兴许更有力。”一位参与LiblibAIB轮融资的投钱人透露。2023年5月LiblibAI成立时 AI图像赛道还Midjourney和Stable Diffusion的天下国内玩家要么在模仿界面要么在拼参数。但LiblibAI没走寻常路——它没急着做通用工具， 而是先扎进了创作者社区：允许用户上传自己训练的模型，给模型打标签、做分类，甚至支持模型交容易。这种“社区先行”的策略，让它三个月内就积累了50万专业用户，其中30%是设计师和画师。

数据不会说谎：1000万创作者背后的生态密码

LiblibAI的增加远曲线，像坐了火箭。2023年8月，它完成天使轮融资，领投方源码资本看中的就是“用户自发供给”的能力。当时平台上的原创模型还不到1万个，但月产图片已突破2000万。到了2024年3月， 当它成为国内首家式人造智能服务管理暂行办法》备案的AI社区时模型数翻了10倍，图片产量冲到2.3亿，用户留存率比行业平均水平高大出27个百分点。

“这些个数字背后是创作者的‘反哺’。”LiblibAI的创始人张伟举了个例子：2023年年底， 平台上有个叫“赛博国风”的模型火了一位独立插画师用这玩意儿模型生成的《山海经》系列插画，在社交新闻上得到了500万点赞。接着，这位插画师又反过来优化了模型参数，上传到LiblibAI后带动了2万许多名创作者尝试同类风格。这种“用户创作-模型优化-更许多用户参与”的循环，让平台的生态壁垒越筑越高大。

投钱人明摆着吃透了这套逻辑。金沙江创投的朱啸虎在2023年10月的B轮投钱会上直言：“LiblibAI用一年时候登顶国内榜首， 靠的不是手艺许多牛，而是摸清了创作者的‘痛点’——他们既想要优良用的工具，更需要一个能被看见的社区。”这句话或许说明白了为啥月之暗面和MiniMax的投钱人会一边盯上它：一个做底层巨大模型的， 一个做上层应用的，终于在生态层面找到了交集。

资本的新鲜共识：从“抢手艺”到“抢用户”

2022年，AI投钱圈的风向还是“唯巨大模型论”。那时候，月之暗面和MiniMax刚拿到融资，估值火箭般蹿升，投钱人挤破头想投“中国的OpenAI”。但到了2023年，风向变了。“当全部玩家都在拼万亿参数时一下子找到，用户根本不关心你的模型有许多巨大，只关心能不能做出想要的图。”明势资本的夏令在2024年2月的内部会上说。这句话后来成了LiblibAI领投C轮的关键注脚。

这种转变，在投钱人的决策中体现得淋漓尽致。源码资本李露霖在2023年投钱LiblibAI时 特意调研了100位专业设计师，找到78%的人觉得“现有AI工具的模型不够垂直”，65%的人“愿意为定制化模型付费”。这直接促使源码放弃了对另一个通用巨大模型项目的跟投，转而押注LiblibAI的社区模式。高大榕创投的马晓宇则更直白：“AI Native团队的嗅觉比我们敏锐，他们敢在行业喧嚣时做‘磨蹭’的事——比如花半年时候打磨社区氛围。”

有意思的是月之暗面和MiniMax对这种“跨界投钱”并不抵触。2024年1月，月之暗面的CEO杨植麟在一场行业论坛上提到：“巨大模型的值钱，到头来要通过应用落地。看到投钱人帮我们找到‘用户接口’，反而更安心。”MiniMax的CEO闫俊杰也在内部邮件中写道：“生态协同比单打独斗关键， LiblibAI的创作者，以后兴许是我们的巨大模型训练师。”这种“竞合”关系，让资本联手变得顺理成章。

AI图像战场的“三国杀”：LiblibAI的差异化生存

2024年的AI图像赛道，早已不是Midjourney一家独巨大的局面。世界选手有Stable Diffusion和Adobe Firefly， 国内玩家有意间、即时设计，LiblibAI凭啥能杀出头？答案藏在它的“工具+社区”双螺旋里。

工具端， LiblibAI做了两件“反直觉”的事：一是支持模型微调，用户上传10张图片就能训练专属模型，且训练时候比行业平均迅速30%；二是内置“版权水印”功能，全部生成的图片自动标记创作者ID，解决了行业最头疼的版权问题。2024年3月， 某游戏公司用LiblibAI的微调功能生成角色原画，效率提升了5倍，直接节省了20万外包费用——这玩意儿案例后来被高大榕创投写进了投钱报告。

社区端，LiblibAI的“模型买卖场”成了核心比力。2024年1月，平台上线“模型交容易”功能，创作者能给模型定价，分成比例高大达70%。这吸引了一批头部KOL入驻， 比如拥有50万粉丝的AI绘画博主“阿鲤”，她自建的“赛博朋克风格”模型在一个月内卖了3万次收入超出20万。这种“创作者钱财”模式，让LiblibAI的用户粘性比工具类产品高大出40%。

当然挑战依然存在。2024年4月， LiblibAI因有些模型“生成内容同质化”被用户吐槽，团队连夜上线“风格融合”功能，允许用户混合优良几个模型的特点。这种飞迅速迭代的能力，或许正是投钱人看沉的“生存本能”——在AI赛道，永远不变的就是变来变去本身。

从投钱到赋能：资本怎么帮AI公司“野蛮生长远”

LiblibAI的融资故事里 最特别的不是金额，而是投钱方的“材料协同”。源码资本帮它对接了阿里云的算力材料， 解决了训练本钱高大的问题；高大榕创投引荐了细的设计团队，帮它优化了UGC内容分发逻辑；明势资本则给了政策合规支持，让它成为国内首批完成算法备案的AI平台。

这种“投后赋能”在AI行业尤为关键。2023年， LiblibAI曾因算力不够弄得模型训练排队超出72细小时源码资本通过“算力换股权”的方式，帮它拿下了某数据中心30%的闲置算力，本钱直接降了一半。高大榕创投的马晓宇还亲自带队， 帮LiblibAI设计了“创作者长大远体系”——比如给优质模型流量扶持，举办线下创作沙龙，这些个举措让平台的月活创作者在三个月内增加远了120%。

资本的帮不止于此。2024年2月， 当《生成式人造智能服务管理暂行办法》正式实施时明势资本的合规团队提前一个月帮LiblibAI完成了材料准备，让它比比对手抢先拿到备案。这种“政策敏感度”，成了AI公司跑赢赛道的关键变量。

AI创业的下半场：比拼的不是手艺， 是“用户思维”

月之暗面和MiniMax的投钱人联手，或许揭示了AI创业的新鲜趋势：当底层手艺一点点趋同，谁能真实正搞懂用户，谁才能笑到再说说。LiblibAI的案例里藏着几个值得创业者借鉴的经验。

第一，别总想着“颠覆”，先解决“细小痛点”。LiblibAI没一开头就对标Midjourney， 而是专注解决国内创作者“模型不够本土化”的问题——比如专门训练了中文提示词优化模型，用户输入“国风美女”，生成的图片比英文提示词更符合审美。这种“细小切口”，反而让它飞迅速积累了种子用户。

第二，社区比工具更关键。2023年， 很许多AI创业公司沉迷做功能堆砌，而LiblibAI花了半年时候打磨社区氛围：比如给优质模型作者颁发“认证创作者”称号，举办“AI绘画巨大赛”，甚至建立了创作者互助群。这些个“看似无用”的事，让用户的平均停留时长远达到了28分钟，远超行业平均的15分钟。

第三，学会和资本“共舞”。LiblibA的创始人张伟在融资时有个原则：“不要钱许多的，要材料对的。”比如不要了一家只给钱不帮忙的机构的投钱，选择了能给算力、渠道、合规支持的投钱方。这种“清醒”，让它在资本狂烫期保持了定力。

以后已来：AI图像生成会走向何方

站在2024年的节点看，AI图像生成只是开头。LiblibAI的投钱人已经在聊聊下一步方向：是做视频生成，还是3D建模，或者结合AR/VR手艺？但无论怎么变，有一点很明确——用户永远是核心。就像金沙江创投的朱啸虎说的：“AI的终极目标，是让个个普通人都能成为创作者。LiblibAI眼下做的，就是给创作者递上一支‘画笔’，以后它兴许会递上一台‘相机’。”

月之暗面和MiniMax的投钱人联手， 或许不只是为了押注一家公司，更是为了押注一个趋势：AI的以后不在试试室里而在千千万万创作者的指尖。这场资本与手艺的共舞，才刚刚开头。